залишкової компоненти для лінійної моделі, коефіцієнти якої визначені за МНК, виконується автоматично. За допомогою функції СРЗНАЧ для ряду залишків можна перевірити:.
Властивість сталості дисперсії залишкової компоненти перевіримо за умовою Гольдфельда-Квандта. p> У упорядкованих за зростанням змінної X вихідних даних () виділимо перші 4 і останні 4 рівня, середні 2 рівня не розглядаємо.
З допомогою програми РЕГРЕСІЯ побудуємо модель по перших чотирьох спостереженнями (Регресія-1), для цієї моделі залишкова сума квадратів. br/>
Дисперсійний аналіз
df
SS
MS
F
Значимість F
Регресія
1
107,7894737
107,7894737
15,67347
0,15751
Залишок
1
6,877192982
6,877192982
Разом
2
114,6666667
З допомогою програми РЕГРЕСІЯ побудуємо модель за останніми чотирьом спостереженнями (Регресія-2), для цієї моделі залишкова сума квадратів. br/>
Дисперсійний аналіз
df
SS
MS
F
Значимість F
Регресія
1
4,166666667
4,166666667
0,186916
0,707647
Залишок
2
+44,58333333
+22,29166667
Разом
3
48,75
Розрахуємо статистику критерію:
.
Критичне значення при рівні значущості і числах ступенів свободи складає.
Схема критерію:
В
Порівняємо , Отже, властивість сталості дисперсії залишків виконується, модель гомоскедастічная.
2. Для перевірки незалежності рівнів ряду залишків використовуємо критерій Дарбіна-Уотсона
.
Попередньо за стовпцем залишків за допомогою функції СУММКВРАЗН визначимо; використовуємо знайдену програмою РЕГРЕСІЯ суму квадратів залишкової компоненти.
Таким чином,
В
Схема критерію:
В
Отримане значення d = 2,375, що свідчить про негативну кореляцію. Перейдемо до d '= 4-d = 1,62 і порівняємо її з двома критичними рівнями d1 = 0,88 і d2 = 1,32.
D '= 1,62 лежить в інтервалі від d2 = 1,32 до 2, отже, властивість незалежності залишкової компоненти виконуються.
В
З допомогою функції СУММПРОИЗВ знайдемо для залишків, отже r (1) = 2,4869 Е-14/148, 217 = 1,67788 Е-16.
